ระบบปัญญาประดิษฐ์สามารถเคลื่อนย้ายโมเลกุลเดี่ยวได้

นักวิทยาศาสตร์จากJülichและเบอร์ลินได้พัฒนาระบบปัญญาประดิษฐ์ที่สามารถเรียนรู้วิธีเคลื่อนย้ายโมเลกุลแต่ละโมเลกุลได้ด้วยตนเองโดยใช้กล้องจุลทรรศน์แบบส่องกราด เนื่องจากอะตอมและโมเลกุลไม่ทำหน้าที่เหมือนวัตถุขนาดมหึมา แต่ละหน่วยการสร้างเหล่านี้จึงต้องการระบบของตัวเองในการเคลื่อนที่ 

วิธีการใหม่ที่นักวิทยาศาสตร์เชื่อว่าสามารถใช้สำหรับการวิจัยและเทคโนโลยีการผลิต เช่น การพิมพ์โมเลกุล 3 มิติ ได้รับการเผยแพร่ใน วิทยาศาสตร์ก้าวหน้า. 

พิมพ์ 3D

การสร้างต้นแบบอย่างรวดเร็วหรือที่เรียกกันทั่วไปว่าการพิมพ์ 3 มิตินั้นคุ้มค่าอย่างมากเมื่อต้องสร้างต้นแบบหรือแบบจำลอง มีความสำคัญเพิ่มขึ้นในช่วงหลายปีที่ผ่านมาเนื่องจากเทคโนโลยีมีการปรับปรุงอย่างต่อเนื่อง และปัจจุบันเป็นเครื่องมือหลักที่อุตสาหกรรมใช้

ดร. Christian Wagner เป็นหัวหน้าคณะทำงาน ERC ในการจัดการโมเลกุลที่ Forschungszentrum Jülich 

“หากแนวคิดนี้สามารถถ่ายโอนไปยังระดับนาโนเพื่อให้โมเลกุลแต่ละตัวสามารถประกอบเข้าด้วยกันหรือแยกออกจากกันอีกครั้งได้เหมือนตัวต่อ LEGO ความเป็นไปได้นั้นแทบจะไม่มีที่สิ้นสุด เนื่องจากมีการดัดแปลงโมเลกุลที่เป็นไปได้ประมาณ 1060 ประเภทที่ Forschungszentrum Jülich” วากเนอร์กล่าวว่า

"สูตรอาหาร" ส่วนบุคคล

ความท้าทายหลักประการหนึ่งคือ "สูตรอาหาร" แต่ละรายการที่จำเป็นเพื่อให้กล้องจุลทรรศน์อุโมงค์สแกนเคลื่อนโมเลกุลแต่ละตัวไปมา สิ่งเหล่านี้จำเป็นเพื่อให้ปลายของกล้องจุลทรรศน์สามารถจัดเรียงโมเลกุลในเชิงพื้นที่และในลักษณะที่เป็นเป้าหมาย

สูตรที่เรียกว่าไม่สามารถคำนวณหรืออนุมานได้ด้วยสัญชาตญาณ ซึ่งเป็นเพราะธรรมชาติที่ซับซ้อนของกลไกในระดับนาโน วิธีการทำงานของกล้องจุลทรรศน์คือการมีกรวยแข็งที่ส่วนปลาย ซึ่งโมเลกุลจะติดอยู่เล็กน้อย เพื่อให้โมเลกุลเหล่านั้นเคลื่อนที่ได้ จำเป็นต้องมีรูปแบบการเคลื่อนไหวที่ซับซ้อน 

Prof. Dr. Stefan Tautz เป็นหัวหน้าของ Quantum Nanoscience Institute ที่ Jülich

“จนถึงปัจจุบัน การเคลื่อนที่ของโมเลกุลที่เป็นเป้าหมายดังกล่าวเป็นไปได้ด้วยมือเท่านั้น ผ่านการลองผิดลองถูก แต่ด้วยความช่วยเหลือจากระบบควบคุมซอฟต์แวร์อัตโนมัติที่เรียนรู้ด้วยตนเอง ตอนนี้เราประสบความสำเร็จเป็นครั้งแรกในการหาทางออกสำหรับความหลากหลายและความแปรปรวนในระดับนาโน และทำให้กระบวนการนี้เป็นไปโดยอัตโนมัติ” Tautz กล่าว 

การเรียนรู้เสริมแรง

ลักษณะพื้นฐานประการหนึ่งของการพัฒนานี้คือการเรียนรู้แบบเสริมกำลัง ซึ่งเป็นการเรียนรู้ของเครื่องประเภทหนึ่งที่เกี่ยวข้องกับอัลกอริทึมที่พยายามทำงานซ้ำๆ และการเรียนรู้จากความพยายามแต่ละครั้ง 

Prof. Dr. Klaus-Robert Müller เป็นหัวหน้าแผนก Machine Learning ที่ TU Berlin

“เราไม่ได้กำหนดเส้นทางการแก้ปัญหาสำหรับซอฟต์แวร์เอเจนต์ แต่ให้รางวัลความสำเร็จและลงโทษความล้มเหลว” เขากล่าว

“ในกรณีของเรา ตัวแทนได้รับมอบหมายให้ทำหน้าที่กำจัดโมเลกุลแต่ละตัวออกจากชั้นที่พวกมันถูกยึดไว้ด้วยเครือข่ายพันธะเคมีที่ซับซ้อน เพื่อให้แม่นยำ สิ่งเหล่านี้คือโมเลกุลของเพอริลีน เช่น ที่ใช้ในสีย้อมและไดโอดเปล่งแสงอินทรีย์” ดร. คริสเตียน วากเนอร์กล่าวเสริม 

มีประเด็นสำคัญที่แรงที่ต้องใช้ในการเคลื่อนที่ของโมเลกุลต้องไม่เกินความแข็งแรงของพันธะที่กล้องจุลทรรศน์ในอุโมงค์ดึงดูดโมเลกุล

“ปลายกล้องจุลทรรศน์จึงต้องใช้รูปแบบการเคลื่อนไหวพิเศษ ซึ่งก่อนหน้านี้เราต้องค้นพบด้วยมืออย่างแท้จริง” วากเนอร์กล่าว 

การเรียนรู้แบบเสริมแรงจะใช้ในขณะที่ซอฟต์แวร์เอเจนต์เรียนรู้ว่าการเคลื่อนไหวใดได้ผล และจะปรับปรุงอย่างต่อเนื่องในแต่ละครั้ง

อย่างไรก็ตาม ส่วนปลายของกล้องจุลทรรศน์แบบส่องกราดอุโมงค์ประกอบด้วยอะตอมของโลหะ ซึ่งสามารถเคลื่อนที่ได้ และสิ่งนี้จะเปลี่ยนความแข็งแรงของพันธะของโมเลกุล

“ความพยายามครั้งใหม่ทุกครั้งทำให้เกิดความเสี่ยงต่อการเปลี่ยนแปลง และทำให้พันธะระหว่างทิปกับโมเลกุลแตกหักมากขึ้น ซอฟต์แวร์เอเจนต์จึงถูกบังคับให้ต้องเรียนรู้อย่างรวดเร็วเป็นพิเศษ เนื่องจากประสบการณ์ของมันอาจล้าสมัยได้ทุกเมื่อ” ศ.ดร.สเตฟาน ทอทซ์ กล่าว “มันเหมือนกับว่าเครือข่ายถนน กฎหมายจราจร ตัวถังรถ และกฎสำหรับการควบคุมยานพาหนะมีการเปลี่ยนแปลงตลอดเวลาในขณะขับขี่อัตโนมัติ” 

เพื่อให้ผ่านพ้นไปได้ นักวิจัยได้พัฒนาซอฟต์แวร์เพื่อให้เรียนรู้แบบจำลองอย่างง่ายของสภาพแวดล้อมที่การจัดการเกิดขึ้นควบคู่ไปกับวัฏจักรเริ่มต้น เพื่อทำให้กระบวนการเรียนรู้เร็วขึ้น ตัวแทนจะฝึกฝนในความเป็นจริงและในแบบจำลองของตนเองไปพร้อม ๆ กัน

“นี่เป็นครั้งแรกที่เราประสบความสำเร็จในการนำปัญญาประดิษฐ์และนาโนเทคโนโลยีมารวมกัน” Klaus-Robert Müller กล่าว 

“จนถึงตอนนี้ นี่เป็นเพียง 'ข้อพิสูจน์ของหลักการ' เท่านั้น” Tautz กล่าวต่อ “อย่างไรก็ตาม เรามั่นใจว่างานของเราจะปูทางไปสู่การสร้างโครงสร้างซูปราโมเลคิวลาร์เชิงฟังก์ชันโดยอัตโนมัติโดยใช้หุ่นยนต์ช่วย เช่น ทรานซิสเตอร์โมเลกุล เซลล์หน่วยความจำ หรือควิบิต ด้วยความเร็ว ความแม่นยำ และความน่าเชื่อถือที่เหนือกว่าที่เป็นอยู่ ได้ในปัจจุบัน”